《Table 5 Optimization results of Rosenbrock function表5 Rosenbrock函数优化结果统计》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于越界重置和高斯变异的蝙蝠优化算法》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

分析CRBA算法优化能力出众的原因:CRBA算法的越界随机重置策略减少了前期个体撞界的数量和概率，保证尽可能多的个体对整个种群提供有效的搜索信息。将越界粒子随机重置，使粒子很大概率能够搜索到未到达的区域，有利于粒子跳出局部最小值点。CRBA算法控制最优解附近的局部搜索的范围随着进化次数增加而缩小。在搜索前期，算法局部搜索的范围大，很容易定位到所感兴趣的搜索区域，保证了种群前期进化、快速收敛。种群进化趋于停滞时，高斯变异策略使种群的个体以最优解为中心向四周呈放射状搜索，且越界重置策略降低了个体撞上边界的几率，提高了搜索效率。蝙蝠个体逐渐远离当前最优解，去开发未曾搜索过的区域，一旦发现新的最优解，种群又快速聚集进行局部搜索。正是CRBA算法的随机重置、快速聚集、快速发散的特点，才使种群能够快速定位到可能存在最优解的区域，并进行充分的局部开发。